Для начала скачайте образец входного файла, разделенного запятыми, содержащий список метаболитов с экспериментальными измерениями. Дважды щелкните по загруженному файлу образца, чтобы открыть его и убедиться, что он содержит метки как для образцов, так и для метаболитов. Затем загрузите Java-приложение для калькулятора корреляции и дважды щелкните по загруженному JAR-файлу, чтобы запустить приложение.
На вкладке ввода нажмите кнопку обзора, чтобы загрузить входной файл. В разделе Укажите формат файла выберите образцы в строках. Нажмите на кнопку «Далее» в правом нижнем углу окна, чтобы перейти на вкладку нормализации данных.
В разделе Выбор методов установите флажок Журнал для преобразования данных и автомасштабирования данных. В разделе нормализованных данных нажмите кнопку «Выполнить». После завершения нормализации нажмите кнопку «Сохранить», чтобы сохранить новый файл данных.
Нажмите кнопку «Далее», чтобы перейти на вкладку «Анализ данных», и в разделе «Рассчитать корреляцию Пирсона» нажмите «Выполнить», чтобы определить наилучший диапазон корреляции Пирсона для данных. Нажмите кнопку просмотра гистограммы, чтобы просмотреть частоту максимальных оценок корреляции Пирсона для каждого признака, в кнопке просмотра тепловой карты, чтобы просмотреть представление корреляционной матрицы Пирсона. В разделе Фильтр по корреляциям Пирсона оставьте значения по умолчанию для фильтрации в диапазоне от 0,00 до 1,00.
Затем в разделе Select Partial Correlation Method выберите нужный метод в качестве метода DSPC. И в разделе Вычислить частичные корреляции нажмите кнопку запуска. Нажмите на файл просмотра CSV, чтобы просмотреть результаты, и нажмите кнопку «Сохранить», чтобы сохранить результаты.
Показана репрезентативная сеть, построенная на основе подмножества метаболомных данных популяционного исследования KORA, состоящей из 151 метаболита у 240 субъектов. Кластеризация консенсусных сетей привела к выделению девяти подсетей или метаболических модулей.